Introdução à Inteligência Artificial
Marcílio C. P. de Souto
DIMAp/UFRN
Inteligência Artificial
O que é inteligência Artificial?
O que diferencia inteligência artificial de
inteligência natural?
2
O que é Inteligência Artificial?
“Uma área de pesquisa que investiga
formas de habilitar o computador a
realizar tarefas nas quais, até o
momento, o ser humano tem um
melhor desempenho”.
Elaine Rich
3
Inteligência Artificial
“Tão logo algum problema de IA é resolvido ele não é
mais considerado um problema da área de IA...”
Chuck Thorpe
CMU, Robotics Institute, 2000
4
Definições Adicionais



Conjunto de técnicas para a construção de máquinas
“inteligentes”, capazes de resolver problemas que
requerem inteligência humana. (Nilsson)
Ramo da Ciência da Computação dedicado à automação
de comportamento inteligente. (Luger e Stubble)
Tecnologia de processamento de informação que envolve
raciocínio, aprendizado e percepção. (Winston)
5
Categorias
Sistemas que pensam como Sistemas que pensam
os humanos
racionalmente
Sistemas que agem como
Sistemas que agem
os humanos
racionalmente
6
Categorias

Agindo como humanos


Pensando como os humanos


“A automação de atividades que associamos com o pensamento
humano (e.g., tomada de decisão, solução de problemas, aprendizagem,
etc.)” (Simon&Newell)
Pensando racionalmente


“A arte de criar máquinas que realizam funções que requerem inteligência
quando realizadas por pessoas” (Turing)
“O estudo das faculdades mentais através do uso de modelos
computacionais” (McCarthy)
Agindo racionalmente

“O ramo da Ciência da Computação que estuda a automação de
comportamento inteligente”
7
Áreas de Apoio para IA
8
Sub-Áreas da IA
Redes
Neurais
Raciocínio
Baseado
em Casos
Agentes
Inteligentes
Computação
Evolucionária
Raciocínio
Baseado
em Regras
Outros
Lógica
Fuzzy
Robótica
Linguagem
Natural
9
Contexto Histórico
“IA é considerada polêmica porque desafia a idéia da
unicidade do pensamento humano, da mesma forma
que Darwin desafiou a unicidade da origem dos seres
humanos.”
Helbert A. Simon
CMU, 2000
10
Linha do Tempo
Allan Turing
“Computer Machinery and
Intelligence”
Primeiro Projeto
Japonês
LISP
Surgimento do termo
Inteligência Artificial
1950
1956
1957
PROLOG
1958
1962
1970
Primeiro Robô
Industrial
Logic Theorist
General Problem
Solver
Segundo Projeto
Japonês
1981
1988
1992
Ganhos com sistemas
de IA chegaram a 1 Bilhão
Primeiro Sistema
Especialista
11
História da IA







A gestação da IA (1943-1956)
O entusiasmo dos primeiros anos da IA, grandes expectativas (19521969)
Uma dose de realidade (1966-1974)
Sistemas Baseados em Conhecimento: A Chave para o Poder? (19691979)
IA se torna comercial (1980-1988)
O retorno das Redes Neurais (1986-presente)
Eventos Recentes
12
A Gestação da IA (1943-1956)

O primeiro trabalho de IA foi um modelo de neurônio artificial
(McCulloch&Pitts-43)



Começo dos anos 50: Shannon & Turing escreveram programas de xadrez
para máquinas von Neumann
Ao mesmo tempo, Minsky e Edmonds construíram o primeiro computador
baseado em redes neurais (51)


Precursor das tradições lógica e conexionista da IA
Ironicamente, mais tarde Minsky provou teoremas que levaram a descrença de
redes neurais durante os anos 70's
Workshop em Dartmouth em 56: pesquisadores de Princeton, IBM , MIT e
CMU se reuniram a convite de John McCarthy (LISP)


Os 20 anos seguintes foram dominados por pesquisadores participantes do
Workshop e seus estudantes
Foi neste Workshop que o nome Inteligência Artificial surgiu para denominar o novo
campo de estudo (cunhado por McCarthy)
13
Entusiasmos dos Primeiros Anos
(1952-1969)


Newell e Simon desenvolveram o “General Problem Solver” (GPS)
 Projetado para imitar protocolos humanos de resolução de
problemas
 GPS foi o primeiro programa a incorporar a abordagem “Pensar
como humanos”
 A combinação de IA e Ciência Cognitiva continua até hoje
Samuel (1952) escreveu uma série de programas para jogar damas e
provou o contrário do que era senso comum na época:
 “a idéia de que computadores podiam fazer somente o que era dito
para eles”
 Seus programas aprendiam rapidamente a jogar melhor que seu
criador
14
Entusiasmos dos Primeiros Anos
(1952-1969)


McCarthy (1958) desenvolveu o LISP, que se tornou a linguagem
dominante de IA
Robinson (1963) descobriu o método da resolução:



Minsky supervisionou uma série de estudantes que escolheram
problemas limitados que pareciam requerer inteligência para serem
resolvidos:



Algoritmo completo de provas de teoremas para a Lógica de 1a Ordem
PROLOG estava a caminho
Micromundos
O mais famoso micromundo foi o mundo dos blocos
Trabalhos de redes neurais começaram a florescer
15
Uma Dose de Realidade (1966-1974)

A barreira que muitos projetos de IA encontraram foi que


Métodos que eram suficientes para demonstrações de um ou dois
exemplos simples quase sempre fracassavam quando testados com
uma elenco maior de problemas ou com problemas mais difíceis
O primeiro tipo de dificuldade
 Os primeiros programas continham pouco ou nenhum
conhecimento do assunto que tratavam
 Tinham sucesso através de manipulações sintáticas muito
simples - ELIZA (65)
16
Uma Dose de Realidade (1966-1974)


O segundo tipo de dificuldade
 A intratabilidade de muitos problemas que a IA estava tentando
resolver
 Os primeiros programas funcionavam somente porque os os
micromundos continham poucos objetos.
 Antes que a teoria de problemas NP-completos fosse
desenvolvida, se acreditava que o problema de se "escalar"
para problemas maiores era simplesmente um problema de se
ter hardware mais rápido
Uma terceira dificuldade veio das limitações sobre as estruturas
básicas usadas para gerar comportamento inteligente
17
SBC: A Chave para o Poder? (1969-1979)

O método de resolução de problemas usado na primeira década da IA
foi o mecanismo de busca de propósito geral



Eles são chamados métodos fracos porque usam pouca informação sobre
o domínio
Para domínios complexos o desempenho é pobre
O sistema Dendral (69) foi o primeiro sistema a trabalhar com
conhecimento intensivo


Sua expertise era derivada de um grande número de regras específicas
Inferia a estrutura molecular de informações fornecidas por um
espectrômetro de massa
18
SBC: A Chave para o Poder? (1969-1979)



Feigenbaum e outros em Stanford começam a investigar a nova
metodologia de sistemas especialistas
A importância do conhecimento do domínio foi também aparente na
área de processamento linguagem natural
O crescimento das aplicações no mundo real aumentou a demanda
por esquemas de representação de conhecimento alternativos:

Lógica e Frames
19
A IA se Torna Comercial (1980-1988)

O primeiro sistema especialista de sucesso
comercial, R1, começou a operar na DEC


Ajudava a configurar ordens para novos computadores
Em 1981, os japoneses anunciaram a "Quinta
Geração"

Um projeto de 10 anos para construção de
computadores inteligentes que rodavam Prolog
20
Redes Neurais (1986-presente): Retorno


Embora a ciência da computação negligenciou o
campo das redes neurais, o trabalho continuou
em outros campos, particularmente na Física (82)
Ao mesmo tempo, algumas desilusões sobre a
aplicabilidade de sistemas especialistas
começaram a surgir
21
Eventos Recentes








Os anos recentes viram mudanças no conteúdo e metodologia de
pesquisa da IA
O formalismo "belief networks "foi criado para permitir raciocínio
eficiente sobre a combinação de evidências incertas
Revoluções similares ocorreram na robótica, visão por computador,
aprendizado de máquina e representação do conhecimento
Buscadores Inteligentes (aplicados principalmente à Web)
Reconhecimento de Voz
Robótica
Mineração de Dados
Casas Inteligentes
22
Uma Nova Visão


A partir dos anos 80 foi percebido que, geralmente, o modelo de
raciocínio utilizado em IA era diferente do usado pelos seres humanos
Mas essas diferenças não invalidam o uso de modelos não-humanos



Um bom exemplo é o avião, que opera de uma forma muito diferente da
dos pássaros mas também voa.....
Em outras palavras, para que alguém quer construir uma cópia da
mente humana? A original não é suficiente? A mente humana não é a
mais difícil de se auto-examinar?
A única solução aparentemente lógica é separar a inteligência humana
da inteligência artificial para construir algo completamente novo
23
O que Estudaremos?

A IA que estudaremos é aquela embutida em aplicações reais do seu
cotidiano...












Processamento de
Agricultura
imagem
Negócios e finanças

Direito
Química
Internet

Indústria
Comunicações Redes e Sistemas Distribuídos
Banco de dados  Matemática
Comércio
Engenharia de software

Medicina
Computação
Interfaces

Meteorologia
Robótica
Educação

Militar
Jogos
Eletrônica
Hardware (projeto e análise)
Sistemas de potência
Engenharia
Etc.

Ciência
Meio ambiente

Tecnologia espacial
Geologia

Transportes, ...
24
Produção de jogos e histórias
interativas


Como modelar o ambiente físico e o comportamento/personalidade
dos personagens?
Como permitir uma boa interação com usuário?
The Sims
FIFA Soccer
25
Controle de robôs


Como obter navegação segura e eficiente, estabilidade, manipulação
fina e versátil?
E no caso de ambientes dinâmicos e imprevisíveis?
HAZBOT: ambientes com
atmosfera inflamável
26
Automação de sistemas complexos


Como modelar os componentes do sistema e dar-lhes autonomia?
Como assegurar uma boa comunicação e coordenação entre estes
componentes?
27
Busca de informação na Web

Como localizar a informação relevante?
28
Previsão


Como prever o valor do dólar (ou o clima) amanhã?
Que dados são relevantes? Há comportamentos recorrentes?
29
Detecção de Intrusão e Filtragem de
Spam


Como saber se uma mensagem é lixo ou de fato interessa?
Como saber se um dado comportamento de usuário é suspeito e com
lidar com isto?
30
Sistemas de Controle



Como brecar o carro sem as rodas deslizarem em função da velocidade, atrito,
etc.?
Como focar a câmera em função de luminosidade, distância, etc.?
Como ajustar a temperatura em da quantidade de roupa, fluxo de água, etc.?
31
Interface


Como dar ao usuário a ajudar de que ele precisa?
Como interagir (e quem sabe navegar na web) com celular sem ter de
digitar (hands-free)?
32
O que estes problemas têm em
comum?



Grande complexidade (número, variedade e natureza das
tarefas)
Não há “solução algorítmica”, mas existe conhecimento
Modelagem do comportamento de um ser inteligente
(conhecimento, aprendizagem, iniciativa, etc.)
33
Referências


T. Mitchell. Machine Learning. McGraw Hill, New York,
1997.
Stuart Russell and Peter Norvig, Artificial Intelligence - A
Modern Approach. Prentice Hall, 1995.
34